Регуляризованная Гауссова Смесь
Регуляризованная Гауссова Смесь (GMM) добавляет небольшую положительную константу к диагонали каждой ковариационной матрицы компонента во время алгоритма Ожидания-Максимизации, предотвращая сингулярные или почти сингулярные матрицы, которые вызывают численные сбои, когда данные разрежены, высокоразмерны или содержат почти дублирующиеся наблюдения.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631. DOI: 10.1198/016214502760047131 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Как цитировать эту страницу
ScholarGate. (2026, June 3). Regularized Gaussian Mixture Model (Covariance-Regularized EM Clustering). ScholarGate. https://scholargate.app/ru/machine-learning/regularized-gaussian-mixture-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесовская гауссовская смесьМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Одноклассовая SVMМашинное обучение↔ compare
- Регуляризованное кластеризация методом k-среднихМашинное обучение↔ compare
- Регуляризованный k-ближайших соседейМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →